SemEval-2014 Task 4数据集主要用于细粒度情感分析，包含Laptop和Restaurant两个领域，每个领域的数据集都分为训练数据、验证数据（从训练数据分离出来）和测试数据，非常适用于有监督的机器学习算法或者深度学习算法，如LSTM等。文件格式为.xml。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
1.3MB
1
该资源主要用于情感分析中，而且是基于规则的算法，主要是提供情感极性、程度等先验知识。在该词典当中，每个情感词都被分为正向、负向、中性三个情感极性，并具有从0到10等不同大小的情感程度，且分为七个情感大类（乐、好、怒、哀、惧、恶、惊）和21个小类。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
1.02MB
1
该词典为简体的情感极性词典，共包含2812个正向情感词和8278个负向情感词，可以用于二元情感分类任务当中。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
40KB
1
该资源共包含两个文件，一个为褒义一个为贬义。
该词典共包含褒义词5568个和贬义词4470个。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
40KB
1
该词典主要分为中文和英文两部分，共包含如下数据：中文正面评价词语3730个、中文负面评价词语3116个、中文正面情感词语836个、中文负面情感词语1254个；英文正面评价词语3594个、英文正面评价词语3563个、英文正面情感词语769个、英文负面情感词语1011个。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
79KB
1
该词典主要发呢为中文和英文两部分，共包含如下数据：中文主张词语38个、英文主张词语35个。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
1KB
1
该语料由电影评论组成，其中持肯定和否定态度的各1,000 篇；另外还有标注了褒贬极性的句子各5331句，标注了主客观标签的句子各5000句。该语料可以被应用于各种粒度的，如词语、句子和篇章级情感分析研究中。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
101.19MB
1
该语料共包含中文和英文两种语言，主要是商品评论，评论篇幅都比较短，可以被应用于篇章级或者句子级的情感分析任务。数据集被分为训练数据、测试数据、带标签的测试数据三个文件，共有正向和负向两种极性。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
5.22MB
1
该语料库为餐馆评论数据，收集自Citysearch New York网站，可用于细粒度的情感分析任务中，即aspect extraction任务当中。在本资源中，原始数据中包含28W条无标注信息的训练数据，以及3400条带标准信息的测试数据。此外，资源中还包括对原始数据进行处理后的数版本，及已经训练好的词嵌入模型。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2019-12-21 18:52:43
31.53MB
1
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及.
2019-12-21 18:49:12
67.24MB
1